快让它夸夸你吧!夸夸式闲聊机器人夸到你满意为止~~~~~~
对话机器人分两种,即:任务式机器人和闲聊式机器人。任务式机器人主要目标是帮助用户解决带有特定需求的问题,而闲聊式机器人主要目的是陪用户闲聊,打发时间。
闲聊式机器人有分为:(1)模板式;(2)检索式;(3)生成式。
本着娱乐的心态,恰好前一段时间又开源了可以做生成的unilm模型,链接如下:
刘聪NLP:开源啦!开源啦!UNILM中文模型开源啦!zhuanlan.zhihu.com因此训练了一个生成式的夸夸闲聊机器人,供大家娱乐~~~
该模型趣味点在于,当大家不开心或者无聊时,可以与它交流,获取更多鼓励(相信你自己,你是最棒的)!
GitHub地址:https://github.com/liucongg/UnilmChatchitRobot
数据及模型
原始语料来自豆瓣夸夸群数据,见data/douban_kuakua_qa.txt。
经过格式转化后,得到了6万多单轮对话数据,数据格式见data/sample.json。
已训练好的模型,下载地址:百度云盘,验证码:e0au
Train
nohup python3 -u run_train.py --data_dir data/
--src_file kuakua_data.json
--model_type unilm
--model_name_or_path unilm_model/
--output_dir kuakua_robot_model/
--max_seq_length 128
--max_position_embeddings 512
--do_train
--do_lower_case
--train_batch_size 32
--learning_rate 2e-5
--logging_steps 100
--num_train_epochs 10 > log.log 2>&1 &
显卡2060s(8G),batch_size为32,训练了10个epoch。
Loss如下:
通过loss曲线来看,其实模型并没有完全收敛,loss还有很大的下降幅度,可以继续进行训练,效果应该会更好。
Test
python3 interactive_conditional_samples.py --device 0
--topk 3
--topp 0.95
--dirty_path data/dirty_words.txt
--model_name_or_path kuakua_robot_model/
--repetition_penalty 1.2
--max_len 32
--no_cuda False
可以通过调节,topk、topp和repetition_penalty来修改模型生成效果。
Result
sample1
user:工作不开心
chatbot:你可以的!工作不开心也可以去吃火锅,看个影响自己心情的电视剧
user:工作不开心
chatbot:我也是,不过现在开始努力找工作啦!一起加油鸭~
user:工作不开心
chatbot:那就祝福你,能找到喜欢的工作吧。
user:工作不开心
chatbot:你也要加油鸭!
user:工作不开心
chatbot:我也是,不过总有一天就会好起来的
sample2
user:我分手了
chatbot:分手快乐,你会遇到更好的。
user:我分手了
chatbot:旧的不去新的不来,你会遇见更好的
user:我分手了
chatbot:分的好,下一个更乖
user:我分手了
chatbot:旧的不去新的不来
user:我分手了
chatbot:分手快乐,祝你快乐!
user:我分手了
chatbot:旧的不去新的不来,加油!
sample3
user:好像去吃火锅,但是我在减肥
chatbot:你好棒!一定会瘦下来的!
user:好像去吃火锅,但是我在减肥
chatbot:吃火锅是为了能更好的减肥,你真棒!
user:好像去吃火锅,但是我在减肥
chatbot:吃火锅对胃好哦!我也在减肥,一起加油呀
user:好像去吃火锅,但是我在减肥
chatbot:吃火锅对减肥有什么效果?我也想去吃,但是现在没勇气去吃
user:好像去吃火锅,但是我在减肥
chatbot:你真的很棒,我也在减肥
模型不足之处
本模型最大的问题是,在训练模型时,没有考虑上下文信息,也就是训练是针对单轮对话进行的,因此无法很好地回答上下文相关的问题,并且可能会出现文不对题的情况。
推荐几篇文章:
刘聪NLP:开源啦!开源啦!UNILM中文模型开源啦!
刘聪NLP:ACL2020论文整理之问题生成、自然语言推理、预训练语言模型及部分应用、QA问答系统及机器阅读理解
刘聪NLP:智能扩充机器人的“标准问”库之Query生成
刘聪NLP:短文本相似度算法研究